我也使用了您提到的函数，但很快我注意到字符串“Nan”、“Inf”及其变体被视为数字。因此，我建议您改进函数的版本，该版本将在这些类型的输入上返回false，并且不会失败“1e3”变体：

def is_float(text):
    try:
        float(text)
        # check for nan/infinity etc.
        if text.isalpha():
            return False
        return True
    except ValueError:
        return False

对于我非常简单和常见的用例：这个用键盘书写的字符串是数字吗？

我通读了大部分答案，最后得到了：

def isNumeric(string):
    result = True
    try:
        x = float(string)
       result = (x == x) and (x - 1 != x)
    except ValueError:
        result = False
    return result

对于（+/-）NaN和（+-）inf，它将返回False。

你可以在这里查看：https://trinket.io/python/ce32c0e54e

在浮点数的最常见情况下，我们希望处理整数和小数。让我们以字符串“1.1”为例。

我会尝试以下方法之一：

1.>isnumeric（）

word = "1.1"

"".join(word.split(".")).isnumeric()
>>> True

2.>isdigit（）

word = "1.1"

"".join(word.split(".")).isdigit()
>>> True

3.>isdecimal（）

word = "1.1"

"".join(word.split(".")).isdecimal()
>>> True

速度：

► 所有上述方法具有相似的速度。

%timeit "".join(word.split(".")).isnumeric()
>>> 257 ns ± 12 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit "".join(word.split(".")).isdigit()
>>> 252 ns ± 11 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%timeit "".join(word.split(".")).isdecimal()
>>> 244 ns ± 7.17 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

我知道我参加晚会迟到了，但我想出了一个不在这里的解决方案：此解决方案遵循Python中的EAFP原则

def get_number_from_string(value):
    try:
        int_value = int(value)
        return int_value

    except ValueError:
        return float(value)

说明：

如果字符串中的值是一个浮点数，并且我首先尝试将其解析为一个int，那么它将抛出一个ValueError。因此，我捕捉到该错误，并将该值解析为float和return。

我想看看哪种方法最快。总的来说，check_replace函数给出了最佳和最一致的结果。check_exception函数给出了最快的结果，但前提是没有触发异常——这意味着它的代码是最有效的，但抛出异常的开销非常大。

请注意，检查成功的强制转换是唯一准确的方法，例如，这与check_exception一起工作，但其他两个测试函数将为有效的float返回False：

huge_number = float('1e+100')

以下是基准代码：

import time, re, random, string

ITERATIONS = 10000000

class Timer:    
    def __enter__(self):
        self.start = time.clock()
        return self
    def __exit__(self, *args):
        self.end = time.clock()
        self.interval = self.end - self.start

def check_regexp(x):
    return re.compile("^\d*\.?\d*$").match(x) is not None

def check_replace(x):
    return x.replace('.','',1).isdigit()

def check_exception(s):
    try:
        float(s)
        return True
    except ValueError:
        return False

to_check = [check_regexp, check_replace, check_exception]

print('preparing data...')
good_numbers = [
    str(random.random() / random.random()) 
    for x in range(ITERATIONS)]

bad_numbers = ['.' + x for x in good_numbers]

strings = [
    ''.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(random.randint(1,10)))
    for x in range(ITERATIONS)]

print('running test...')
for func in to_check:
    with Timer() as t:
        for x in good_numbers:
            res = func(x)
    print('%s with good floats: %s' % (func.__name__, t.interval))
    with Timer() as t:
        for x in bad_numbers:
            res = func(x)
    print('%s with bad floats: %s' % (func.__name__, t.interval))
    with Timer() as t:
        for x in strings:
            res = func(x)
    print('%s with strings: %s' % (func.__name__, t.interval))

以下是2017年MacBook Pro 13上Python 2.7.10的结果：

check_regexp with good floats: 12.688639
check_regexp with bad floats: 11.624862
check_regexp with strings: 11.349414
check_replace with good floats: 4.419841
check_replace with bad floats: 4.294909
check_replace with strings: 4.086358
check_exception with good floats: 3.276668
check_exception with bad floats: 13.843092
check_exception with strings: 15.786169

以下是2017年MacBook Pro 13上Python 3.6.5的结果：

check_regexp with good floats: 13.472906000000009
check_regexp with bad floats: 12.977665000000016
check_regexp with strings: 12.417542999999995
check_replace with good floats: 6.011045999999993
check_replace with bad floats: 4.849356
check_replace with strings: 4.282754000000011
check_exception with good floats: 6.039081999999979
check_exception with bad floats: 9.322753000000006
check_exception with strings: 9.952595000000002

以下是2017年MacBook Pro 13上PyPy 2.7.13的结果：

check_regexp with good floats: 2.693217
check_regexp with bad floats: 2.744819
check_regexp with strings: 2.532414
check_replace with good floats: 0.604367
check_replace with bad floats: 0.538169
check_replace with strings: 0.598664
check_exception with good floats: 1.944103
check_exception with bad floats: 2.449182
check_exception with strings: 2.200056

对于int，请使用以下命令：

>>> "1221323".isdigit()
True

但对于float，我们需要一些技巧；-）。每个浮点数都有一个点。。。

>>> "12.34".isdigit()
False
>>> "12.34".replace('.','',1).isdigit()
True
>>> "12.3.4".replace('.','',1).isdigit()
False

对于负数，只需添加lstrip（）：

>>> '-12'.lstrip('-')
'12'

现在我们有了一个通用的方法：

>>> '-12.34'.lstrip('-').replace('.','',1).isdigit()
True
>>> '.-234'.lstrip('-').replace('.','',1).isdigit()
False